Хочу поделиться кейсом!
Ваша компания использует генеративный AI в продуктах, проектах и бизнес-процессах? Смело рассказывайте о своем опыте на страницах проекта Generation AI!
Правила отбора
Правила отбора
Нажимая кнопку «Отправить», я даю свое согласие на обработку файлов cookie в соответствии с Политикой обработки персональных данных.
У вас есть вопросы и предложения? Напишите нам!
Нажимая кнопку «Отправить», я даю свое согласие на обработку файлов cookie в соответствии с Политикой обработки персональных данных.
Хотите такой же кейс, но не знаете, с чего начать?
Запишитесь на консультацию, и наш эксперт ответит на ваши вопросы о генеративном AI!
Нажимая кнопку «Отправить», я даю свое согласие на обработку файлов cookie в соответствии с Политикой обработки персональных данных.
Хотите внедрить GenAI в свои бизнес-процессы, но не знаете, с чего начать?
Запишитесь на консультацию, и наш эксперт ответит на ваши вопросы о генеративном AI!
Нажимая кнопку «Отправить», я даю свое согласие на обработку файлов cookie в соответствии с Политикой обработки персональных данных.
Октябрь 2025
Команда Р7
Услуги
Как AI-бот снизил нагрузку на техподдержку и ускорил ответы до 1 минуты
Р7 — российский разработчик офисных приложений: текстовый редактор, таблицы, презентации, корпоративное хранилище и инструменты совместной работы. Экосистема включает не только редакторы, но и корпоративный портал, систему документооборота, электронную подпись и API для интеграций. Продуктом пользуются более 10 млн человек.
Контекст и вызов
До внедрения AI служба поддержки Р7 работала через чат на сайте, форму обращений и электронную почту. Когда база пользователей стала расти, появилось несколько проблем:
Низкая скорость
Среднее время ответа в часы пиковых нагрузок превышало 15 минут.
Ограниченная доступность
Операторы работали в рамках графика, а пользователи задавали вопросы круглосуточно.
Высокая повторяемость
До 60% обращений касались одних и тех же инструкций и могли быть автоматизированы.
Чтобы решить проблему, команда внедрила интеллектуальную систему, которая сможет «понимать» вопрос пользователя, искать ответ по документации, формировать осмысленный отклик и учиться на новых данных.
Решение и ход проекта
Этап 1. Пилот в Telegram
Проект стартовал в феврале 2024 года. Партнеры из Wikibot предложил связку RAG + LLM: модель находит релевантные материалы в базе знаний и генерирует ответ с учетом контекста.
Главный вызов на старте — объем и неоднородность контента.
В базе Р7 десятки тысяч страниц, а блог содержит множество публикаций с кодом, скриншотами, списками и таблицами. Дополнительно использовались PDF-материалы, которые на сайте отдаются через web-viewer — стандартные парсеры не справлялись.
Команда Wikibot доработала движок индексатора, чтобы бот мог «читать» такие документы и корректно ссылаться на них в ответах. После этого AI-помощник появился в Telegram-канале компании.
Команда Wikibot доработала движок индексатора, чтобы бот мог «читать» такие документы и корректно ссылаться на них в ответах. После этого AI-помощник появился в Telegram-канале компании.
Этап 2. Настройка «Первой линии»
После запуска выяснилось, что часть обращений — типовые: формулы, совместная работа, права доступа, лицензирование. Для таких запросов ввели модуль «Первая линия» — сценарии с заранее проверенными ответами, которые бот выдает моментально. Это позволило добиться высокой предсказуемости и уменьшить долю запросов, где модель раньше могла ошибиться.
Этап 3. Диалоговый интеллект и интеграции
К сентябрю 2024 года бот перешел на новую версию модели. Теперь он умеет: удерживать контекст в цепочке сообщений, задавать уточняющие вопросы, если запрос неполный, следовать инструкциям («дай список шагов», «приведи пример»).
В этот момент Р7 решили расширить охват — добавили виджет с ботом на портал поддержки и основной сайт. Теперь пользователи могли задать вопрос прямо из интерфейса продукта, не переходя в Telegram.
В этот момент Р7 решили расширить охват — добавили виджет с ботом на портал поддержки и основной сайт. Теперь пользователи могли задать вопрос прямо из интерфейса продукта, не переходя в Telegram.
На первом этапе вызовом стало развитие модели обучения бота. Изначально он часто выдавал некорректные ответы — пользователи теряли доверие и переставали к нему обращаться. Чтобы сохранить лояльность наших конечных пользователей, мы запустили внутреннее тестирование: сотрудники задавали реальные вопросы, а команда дорабатывала ответы.
После дообучения бота и перехода на новую модель GPT-4o в августе 2024 года показатель SR значительно вырос — вместе с ним увеличилось и количество запросов: бот стал отвечать точнее, а пользовательский опыт стал заметно лучше.
После дообучения бота и перехода на новую модель GPT-4o в августе 2024 года показатель SR значительно вырос — вместе с ним увеличилось и количество запросов: бот стал отвечать точнее, а пользовательский опыт стал заметно лучше.
Наталья Мальцева
Руководитель отдела цифрового маркетинга АО «Р7»
С момента запуска бот обработал более 28 000 обращений
Архитектура и процессы качества
В основе AI-помощника — генеративной модели с RAG и NLP, обученной на корпоративных данных: внутренней документации, статьях из блога, инструкциях для пользователей и истории обращений. Используется классификация интентов с учетом технической терминологии.
Качество поддерживается постоянным циклом обновлений: раз в неделю специалисты Wikibot анализируют диалоги, метрики SR и время ответа, дообучают модель и пополняют базу знаний.
Для Telegram используется официальный API, веб-виджет интегрирован в CMS сайта Р7.
Качество поддерживается постоянным циклом обновлений: раз в неделю специалисты Wikibot анализируют диалоги, метрики SR и время ответа, дообучают модель и пополняют базу знаний.
Для Telegram используется официальный API, веб-виджет интегрирован в CMS сайта Р7.
Результаты
<1 минуты
Среднее время получения ответа вместо прежних 10-15 минут
В среднем 85%
Составляет уровень Success Rate
На 40%
Снизилась нагрузка на первую линию поддержки после установки виджета на сайте поток
28 000+ обращений
Обработали с момента запуска
Планы на внедрение AI
Команда Р7 планирует расширять базу знаний материалами по серверным версиям и интеграциям, готовит внутреннего бота для онбординга и тестирует мультимодальные функции — распознавание скриншотов и подсказки по интерфейсу.